Dengesiz sınıf durumunda ikili sınıflandırma yöntemlerinin karşılaştırılması
Comparison of binary classification methods in case of imbalance class
- Tez No: 907008
- Danışmanlar: DOÇ. DR. EMRAH ALTUN
- Tez Türü: Yüksek Lisans
- Konular: Matematik, İstatistik, Mathematics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bartın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 49
Özet
Bu çalışmada dengesiz sınıf dağılımı durumunda ikili sınıflandırma problemi incelenmiştir. Dengesiz sınıf dağılımı olduğu durumda örnekleme yöntemlerinden yararlanılmaktadır. Böylece, dengeli bir sınıf dağılımı elde edilmektedir. Bu amaçla SMOTE-NC algoritması kullanılmıştır. Lojistik regresyon, destek vektör makineleri ve gradient boosting modellerinin SMOTE-NC algoritması altında elde edilen dengeli veri setlerindeki performansları incelenmiştir. Elde edilen sonuçlara göre SMOTE-NC algoritmasının gradient boosting ile birlikte kullanımı dengesiz sınıf dağılımı durumunda ikili sınıflandırma başarısını artırmaktadır. SMOTE-NC algoritması azınlık sınıfın doğru sınıflandırma oranını yükseltmektedir.
Özet (Çeviri)
This study investigates the binary classification problem in the case of imbalanced class distribution. In case of imbalanced class distribution, sampling methods are utilized. In this way, a balanced class distribution is obtained. SMOTE-NC algorithm is used for this purpose. The performances of logistic regression, support vector machines and gradient boosting models on balanced data sets obtained under SMOTE-NC algorithm are analyzed. According to the obtained results, the use of SMOTE-NC algorithm together with gradient boosting increases the binary classification performance in case of imbalanced class distribution. SMOTE-NC algorithm increases the correct classification rate of the minority class.
Benzer Tezler
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Imbalanced learning techniques: Experiments on NCAA college basketball league player statistics dataset
Dengesiz veride öğrenme: NCAA kolej basketbol ligi oyuncu istatistikleri veri seti üzerinde uygulamalar
EMİR GÜLER
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. BARIŞ SÜRÜCÜ
- Purchase prediction and item prediction with RNN using different user-item interactions
Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi
FULYA ÇELEBİ SARIOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Predicting software vulnerabilities and vulnerability inducing code changes using deep neural networks
Derin sinir ağlarını kullanarak yazılım güvenlik açıklarını ve güvenlik açığına sebep olan kod değişikliklerini tahmin etme
SEFA EREN ŞAHİN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN
- Diabetic retinopathy detection using ensemble transfer deep learning
Topluluk transferi derin öğrenme yöntemi kullanarak diyabetik retinopati tespiti
SHUHAD IMAD HADI AL-DUJAILI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA